XiaoMi-AI文件搜索系统
World File Search System克劳斯
使用实时fMRI神经反馈克劳斯（F。f。f。; Kogias，N.O。； Krentz，M。； Lührs，M。
最近已经显示，急性应力影响大型大脑网络之间的神经资源分配，尤其是执行控制网络和显着网络之间的平衡。对这种动态资源重新分配过程的适应性被认为在与压力相关的PSY-CHOPALOGY中起主要作用，这表明应力弹性可以通过在这两个网络之间自适应地重新分配神经资源的保留能力来确定。积极训练这种能力可能是增加患有与压力相关的症状学风险的个体的弹性的潜在有前途的方法。使用实时功能磁共振成像，当前的研究研究了个人是否可以学会自我调节与压力相关的大规模网络平衡。参与者参与了双向和隐式实时fMRI神经反馈范式，其中间歇性地向他们提供了视觉表示显着性和执行控制网络平均激活和执行控制网络之间的差异信号，并试图自我调节该信号。Our results show that, given feedback about their performance over three training sessions, participants were able to (1) learn strategies to differentially control the balance between SN and ECN activation on demand, as well as (2) successfully transfer this newly learned skill to a situation where they (a) did not receive any feedback anymore, and (b) were exposed to an acute stressor in form of the prospect of a mild electric stimulation.当前的研究构成了基于与压力相关的大规模网络平衡的神经反馈培训的第一大成功证明 - 一种新颖的方法，一种新的方法有可能培训对现实生活中压力源的中心反应的控制，并可能为未来的临床干预措施奠定基础，以促进越来越多的弹性。
普雷特纳，克劳斯；萨达维，贾梅尔；马里奥·维鲁埃特
近几十年来，工业机器人已成为制造业中执行相对常规机械任务的工人越来越重要的替代品。全球工业机器人的存量强劲增长，尤其是自 2008-2009 年全球经济和金融危机以来（参见 Abeliansky 等人，2020 年；Prettner 和 Bloom，2020 年；Jurkat 等人，2022 年）。最近的研究表明，这种趋势给低技能工人的工资带来了下行压力，比高技能工人的工资压力更大（参见 Acemoglu 和 Restrepo，2018b，2020 年；Dauth 等人，2021 年；Cords 和 Prettner，2022 年）。结果，技能溢价增加了（参见 Lankisch 等人，2019 年；Prettner 和 Strulik，2020 年）。随着 2022 年秋季 ChatGPT 的出现，以及更普遍地说，随着最近人工智能 (AI) 取得的令人瞩目的进步，人们不禁要问，技能溢价的未来演变将受到怎样的影响（参见 Acemoglu 和 Restrepo，2018a）。这是因为，与工业机器人相比，人工智能主要取代了高技能工人执行的任务。例如，基于人工智能的模型和设备越来越多地用于诊断疾病、开发药物、编写报告、编码，或者只是在营销和研发等领域产生鼓舞人心的想法。由于这些任务通常是非例行的并且由高技能工人执行，人工智能可能会对他们的工资造成下行压力，从而也对技能溢价造成下行压力。为了分析人工智能对总体技能溢价的影响，我们开发了一个通用嵌套恒定替代弹性 (CES) 生产函数，其中机器人替代低技能工人，人工智能替代高技能工人。我们允许机器人和人工智能对不同技能水平的工人进行不完全替代，并推导出人工智能的出现会降低技能溢价的条件。
克劳斯·席林荣获太空先锋奖
虽然太空互联网最初是 Schilling 在维尔茨堡大学的研究重点，但随后他的研究重点转向自组织多卫星编队，关键技术逐步实现，直到 2020 年 NetSat 任务启动。他是私人研究机构“Zentrum für Telematik”（www.telematik-zentrum.de/en）以及公司“S 4 - Smart Small Satellite Systems GmbH”（www.s4-space.com）的创始人。两家公司都利用了精心设计的技术知识，并为“新空间”的先进小型卫星产品（尤其是小型高效的姿态控制系统）提供了闭环。